$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

얼굴 2D 이미지의 3D 모델 변환 알고리즘
An Algorithim for Converting 2D Face Image into 3D Model 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.20 no.4, 2015년, pp.41 - 48  

최태준 (부산외국어대학교 ICT 창의융합학과) ,  이희만 (서원대학교 멀티미디어학과)

초록
AI-Helper 아이콘AI-Helper

최근 3D 프린터의 보급과 함께 3D 모델에 대한 수요가 급증하고 있다. 그러나 3D 모델의 생성은 숙달된 전문가가 전문 소프트웨어를 이용하여 작성하여야 한다. 본 연구는 한 장의 2차원 정면 얼굴사진으로 부터 3D 모델링하는 방법에 대한 것으로 일반인들도 쉽게 3D모델을 생성할 수 있도록 한다. 사진으로부터 배경과 전경을 분리하고 분리한 전경 영역에 일정간격으로 2차원 상에 버텍스를 배치하고 배치한 버텍스 위치를 이미지의 계조 값과 눈썹과 코 등의 특성을 고려하여 버텍스를 3차원으로 확장한다. 전경과 배경을 분리하는 방법으로 에지정보를 사용하였으며 눈과 코의 위치를 찾기 위하여 Haar-like feature를 이용하는 AdaBoost 알고리즘을 사용하였다. 알고리즘으로 생성한 3D 모델은 수작업에 의한 후처리가 필요하지만 3D 프린터를 위한 콘텐츠 제공에 매우 유용하게 활용될 것이다.

Abstract AI-Helper 아이콘AI-Helper

Recently, the spread of 3D printers has been increasing the demand for 3D models. However, the creation of 3D models should have a trained specialist using specialized softwares. This paper is about an algorithm to produce a 3D model from a single sheet of two-dimensional front face photograph, so t...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 사실감이 있는 인간의 3D 얼굴 모델의 자동생성과 3D 애니메이션 분야는 매우 도전적인 과제이며 컴퓨터 비전과 컴퓨터 그래픽스에서 끊임없이 연구되어 왔다[1][2][3][4][5][6]. 본 연구는 일반인 들이 쉽게 얻을 수 있는 2D 정면사진으로 부터 3D 모델을 생성할 수 있도록 하는 알고리즘에 관한 것이다. 사람 얼굴의 정면사진의 실루엣으로 부터 얼굴의 외곽을 검출하여 3D 모델 외형을 생성하며 영상의 계조 값과 얼굴의 위치, 눈 및 코의 위치를 영상처리를 통하여 검출한 후에 3D 모델을 완성하는 것이다.
  • 그러나 3D 프린터의 보급과 함께 3D 모델에 대한 수요가 증대 될 것으로 예상되며 한정된 전문가에 의한 모델의 생성은 수요에 대처하기에는 한계가 예상된다. 이에 본 연구에서는 일반인들도 언제든지 쉽게 3D 모델을 생성하여 3D 프린터를 유용하게 활용할 수 있도록 하는데 목적이 있다.

가설 설정

  • 이미지 영역 버텍스 분배는 전경 이미지 영역에 일정한 간격으로 가상의 수평 라인을 설정하고 활당된 수평라인마다 일정한 개수의 버텍스 포인트를 설정한다. 버텍스 포인트의 개수에 의해 3D 모델의 해상도가 결정된다. 각각의 수평라인 3차원 버텍스 위치 계산은 다음과 같이 계산한다.
  • 필요한 얼굴부분만을 검출하기 위하여 영상의 전경과 배경을 분리하는 작업이 필요하다. 본 연구에서는 증명사진과 같이 이미지의 배경부분이 단순한 이미지를 사용한다는 가정으로 에지검출을 하여 전경과 배경을 분리하였다. 이미지에 가상의 수평라인을 가정하면 즉, 한 쪽 가장자리에서 시작한 라인이 다른 가장자리까지 이어지는 라인에서 에지가 처음 검출된 위치와 마지막에 검출된 위치 사이를 전경 부분으로 간주될 수 있다.
  • 본 연구는 일반인 들이 쉽게 얻을 수 있는 2D 정면사진으로 부터 3D 모델을 생성할 수 있도록 하는 알고리즘에 관한 것이다. 사람 얼굴의 정면사진의 실루엣으로 부터 얼굴의 외곽을 검출하여 3D 모델 외형을 생성하며 영상의 계조 값과 얼굴의 위치, 눈 및 코의 위치를 영상처리를 통하여 검출한 후에 3D 모델을 완성하는 것이다.
  • 그림 11는 표 2를 그래프로 표시한 것으로 수평축 버텍스 수를 고정(90개)하고 이미지 크기를 1/4씩 증가하면서 각 모듈별 소요시간을 체크한 것이다. 이미지 크기에 따라 눈 및 코 영역의 영상처리시간에 영향을 주지만 모델생성시간은 변화되지 않는다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
3D 스캐너의 특징은 무엇인가? 레이저를 이용하거나 또는 X레이 등을 이용하여 실제 물체의 위치 및 크기를 측정하여 포인트 클라우드나 또는 폴리곤 매쉬 등을 생성할 수 있으면 3D스캐너라고 말할 수 있다. 3D 스캐너는 3D텍스처를 얻기 쉽지만, 아직 제품이 고가이고 장비 이동이 불편하다. 얼굴 스캔너의 정밀도 및 반복성에 대한 학술적인 연구는 Chris Boehnen[7]에 의해 수행되었다.
실제 사물로 부터 직접 3D 모델을 얻는 방법으로 최근 널리 사용되고 있는 방법 중 하나는 무엇인가? 3D 스캐너는 실제 사물로 부터 직접 3D 모델을 얻는 방법으로 최근 널리 사용되고 있는 방법 중 하나이다. 레이저를 이용하거나 또는 X레이 등을 이용하여 실제 물체의 위치 및 크기를 측정하여 포인트 클라우드나 또는 폴리곤 매쉬 등을 생성할 수 있으면 3D스캐너라고 말할 수 있다.
얼굴 3D모델을 제작을 하기 위한 기술은 어느 분야에 활용되고 있는가? 얼굴 3D모델을 제작을 하기 위한 기술은 컴퓨터 그래픽스 분야에서 오랫동안 연구되어 오고 있는 분야 중 하나이다. 이러한 기술은 가상현실이나 영화, 광고, 게임 등의 3D 콘텐츠 제작 분야에서 많이 활용되고 있다. 보통 3D입체제작을 하기 위한 얼굴 모델링 방법은 3D공간상 복잡하게 이루어진 물체에 대한 부분변형 등 까다로운 부분이 많고 미세한 부분까지 신경 쓰지 않으면 안 되는 등 기술적인 난이도가 높다.
질의응답 정보가 도움이 되었나요?

참고문헌 (15)

  1. Choi Chang-seok, Chou, Young-Jin, "Classification of Fundermental Types of Korean Faces and Generation of the Faces for Each Province," Institude of Electronics and Information Engineers, Vol.15, No.2, 1997. 

  2. D.DeCarlo, D.Metaxas and Matthew Stone, "An Antropometric Face Model Using Variational Techniques," Computer Graphics(SIGGRAPH 98 Proceedings), pp.67-74, 1998. 

  3. K. Waters. "A Muscle Model for Animating Three-Dimension Facial Expression," In Proceeding of SIGGRAPH 87, Vol.21, No.4, pp.117-124, July 1987. 

  4. Y.C.Lee, D.Terzopoulos, and K.Waters, "Realistic Modeling for Facial Animation," In SIGGRAPH 95 Conference Proceedings, pp.55-62, August 1995. 

  5. Seok-Woo Jang, "Estimation of 3D Rotation Information of AnimationCharacter Face," Journal of the Korea Society of Computer and Information, Vol.16, No.8, pp.49-55, 2011. 

  6. Seok-Woo Jang, "Synthesizing Faces of Animation Characters Using a 3D Model," Journal of the Korea Society of Computer and Information, Vol.17, No.8, pp.31-40, 2012. 

  7. Chris Boehnen,Patrick Flynn,"Accuracy of 3D Scanning Technologies in a Face Scanning Scenario," Fifth International Conference on 3-D Digital Imaging and Modeling, pp.310-317, 2005. 

  8. Sang-Myung Kim, Chang-Han Park, "Face Feature Extraction Method Through Stereo Image's Matching Value," Journal of Korea Multimedia Society, Vol.8, No.4(1), pp.461-472, 2005. 

  9. Sungpil Moon, "Study on Industrializing Stereoscopic 3D Image Generated from 2D Image," MyongJi Univ. Graduate School, Ph.D. Thesis, Dept. Industrial Engineering, 2011. 

  10. Seitz, S.M.,Curless, B., "A Comparison and Evaluation of Multi-View Stereo Reconstruction Algorithms," IEEE Computer Society Conference on Computer Vision and Pattern Recognition, June, Vol.1 pp.17-22, 2006. 

  11. Berthold K.P. Horn, "Shape From Shading: A Method For Obtaining The Shape Of A Smooth Opaque Object From One View," MIT AI Lab Technical Report #232, 1970. 

  12. Ruo Zhang, Ping-Sing Tsai, "Shape from Shading: A Survey," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 21, No. 8, Aug., 1999. 

  13. Ruben Garcia-Zurdo, "Three-dimensional Face Shape By Local Feature Prediction," International J. of Image Processing(IJIP), Vol. 9 No.1, 2015. 

  14. Viola and Jones, "Rapid object detection using boosted cascade of simple features," Computer Vision and Pattern Recognition, pp.1-9, 2001. 

  15. Yoav Freund, Robert E. Schapire, "A Decision-Th eoretic Generalization of on-Line Learning and an Application to Boosting," Vol.904, pp.23-37, 1995. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로